[EN] MELON:无相机姿态先验的多视图3D对象重建新方法
Google Research 提出 MELON 技术,无需初始相机姿态估计、复杂训练或预训练,即可从少量未标定图像中同时推断相机姿态并重建 3D 对象,在 NeRF 框架下实现高精度。
Google Research 提出 MELON 技术,无需初始相机姿态估计、复杂训练或预训练,即可从少量未标定图像中同时推断相机姿态并重建 3D 对象,在 NeRF 框架下实现高精度。
谷歌研究团队推出ScreenAI,一个仅5B参数的视觉语言模型,基于PaLI架构和pix2struct的灵活分块策略,在UI元素识别、图表问答等任务上达到最优性能,并开源了Screen Annotation、ScreenQA Short和Complex ScreenQA三个新数据集。
谷歌发布开源工具AutoBNN,将高斯过程的组合核结构与贝叶斯神经网络的灵活扩展性结合,自动发现可解释的时序预测模型并输出高质量不确定性估计,适用于大规模数据集。
谷歌研究团队推出基于扩散概率模型的生成式AI工具SEEDS,能以传统物理模型极小成本生成大规模天气预报集合,有效量化极端天气事件的不确定性,提升预测可靠性。
OpenAI 通过 Appia 基金会支持评估框架、安全实践和全球合作,助力构建先进人工智能的共同标准。
OpenAI与博通联合发布名为Jalapeño的定制AI芯片,专为大型语言模型推理优化,旨在提升AI系统的性能、效率和扩展能力。
OpenAI 发布了 GPT-5.6 Sol 预览版,该模型在编程、科学和网络安全等能力上显著增强,并配备了当前最先进的安全防护体系。
Google Research发布ScreenAI,一种基于PaLI架构并融合pix2struct灵活分块策略的视觉语言模型。该模型在仅有5B参数的情况下,在WebSRC、MoTIF等UI及信息图任务上达到最优水平,并在Chart QA、DocVQA等基准测试中超越同规模模型。研究团队还开源了Screen Annotation、ScreenQA Short和Complex ScreenQA三个新数据集。
谷歌推出开源工具AutoBNN,基于组合贝叶斯神经网络,自动发现可解释的时间序列预测模型,提供高质量的不确定性估计,并在大规模数据集上高效扩展。
谷歌发布基于扩散概率模型的生成式AI框架SEEDS,能以极低计算成本大规模生成天气预报集合,弥补传统物理模型在高分辨率、大集合生成上的不足,提升对极端天气事件的概率判断。